Lezyon-semptom haritalama (LSM), ayrıca lezyon-davranış haritalama denir, insan beyninin fonksiyonel mimarisi ni incelemek için önemli bir araçtır¹. Lezyon çalışmalarında, beyin fonksiyonu çıkarılan ve edinsel beyin lezyonları olan hastalar incelenerek lokalize. On dokuzuncu yüzyılda gerçekleştirilen belirli beyin konumları nörolojik belirtiler bağlayan ilk vaka çalışmaları zaten dil ve diğer birçok bilişsel süreçlerin anatomik korelasyoniçine temel anlayışlar sağladı². Ancak, biliş ve diğer beyin fonksiyonlarının birçok yönünü nöroanatomik korelasyonlar zor kaldı. Son yıllarda, gelişmiş yapısal beyin görüntüleme yöntemleri ve teknik gelişmeler yüksek mekansal çözünürlük (yani, bireysel voxels veya ilgi belirli kortikal / subkortikal bölgeler düzeyinde) ile vivo LSM çalışmalarda büyük ölçekli sağlamıştır^{1 ,2}. Bu metodolojik gelişmeler ile, LSM bilişsel nörobilimde giderek daha popüler bir yöntem haline gelmiştir ve biliş ve nörolojik^belirtilerinnöroanatomi içine yeni anlayışlar sunmaya devam ediyor 3 . Herhangi bir LSM çalışmada önemli bir adım lezyonların doğru segmentasyonu ve bir beyin şablonu kayıt. Ancak, LSM amacıyla beyin görüntüleme verilerinin ön işlenmesi için kapsamlı bir öğretici eksiktir.

Burada standart lezyon segmentasyon ve kayıt yöntemi için tam bir öğretici sağlanan. Bu yöntem, araştırmacılara standart laştırılmış beyin görüntü işleme için bir boru hattı ve kaçınılması gereken potansiyel tuzaklara genel bir bakış sağlar. Sunulan görüntü işleme boru hattı uluslararası işbirlikleri⁴ ile geliştirilmiştir ve amacı çok merkezli lezyon-semptom haritalama çalışmaları gerçekleştiren yeni kurulan Meta VCI harita konsorsiyumu, çerçevesinin bir parçasıdır vasküler kognitif bozukluk ⁵. Bu yöntem, farklı kaynaklardan görüntüleme veri kümelerinin birlikte işlenmesine olanak sağlamak için birden çok satıcının bt ve MRG taramalarını ve heterojen tarama protokollerini işlemek için tasarlanmıştır. Gerekli RegLSM yazılımı ve bu protokol için gerekli diğer tüm yazılımlar, lisans gerektiren MATLAB dışında serbestçe kullanılabilir. Bu öğretici segmentasyon ve beyin enfarktüslerinin kayıt üzerinde duruluyor, ancak bu görüntü işleme boru hattı da diğer lezyonlar için kullanılabilir, beyaz madde hiperintensiteleri gibi⁶.

Bir LSM çalışması başlamadan önce, genel kavramlar ve tuzaklar temel bir anlayış gereklidir. Çeşitli ayrıntılı kurallar ve bir otostopçu kılavuzu mevcuttur^1,3,6. Ancak, bu değerlendirmeleri toplama ve uygun bir biçime beyin taramaları dönüştürme dahil pratik adımlar için ayrıntılı bir uygulamalı öğretici sağlamaz, beyin enfarktüs segmente, ve bir beyin şablonuna taramaları kayıt. Mevcut kağıt böyle bir öğretici sağlar. LSM’nin genel kavramları, konuyla ilgili daha fazla okumak için referanslar ile girişte verilmiştir.

Lezyon-semptom haritalama çalışmalarının genel amacı

Bilişsel nöropsikoloji açısından bakıldığında, beyin hasarı daha iyi bazı bilişsel süreçlerin nöronal temellerini anlamak ve beynin bilişsel mimarisinin daha eksiksiz bir resim elde etmek için bir model durum olarak kullanılabilir¹ . Bu ilk Broca ve Wernicke²gibi öncüler tarafından on dokuzuncu yüzyılda post-mortem çalışmalarda uygulanan nöropsikoloji klasik bir yaklaşımdır. Fonksiyonel beyin görüntüleme çağında, lezyon yaklaşımı nörolojide önemli bir araç olarak kalmıştır, çünkü belirli bir beyin bölgesindeki lezyonların görev performansını bozduğunu kanıtlatır, fonksiyonel görüntüleme çalışmaları ise beyin bölgelerini görev performansı sırasında etkinleştirilir. Bu nedenle, bu yaklaşımlar tamamlayıcı bilgi^{sağlar 1.}

Klinik nöroloji açısından, LSM çalışmaları akut semptomatik infarktları, beyaz madde hiperintensitleri, lakunlar veya diğer lezyon tipleri (örneğin, tümörler) olan hastalarda lezyon yeri ile bilişsel işleyişi arasındaki ilişkiyi açıklığa kavuşturabilir. ). Son çalışmalar stratejik beyin bölgelerinde bu tür lezyonlar küresel lezyon yükü²,^5,7,8daha bilişsel performans açıklayan daha alakalı olduğunu göstermiştir . Bu yaklaşım, karmaşık bozuklukların patofizyolojisinin anlaşılmasını geliştirme potansiyeline sahiptir (bu örnekte, vasküler kognitif bozukluk) ve yeni tanısal ve prognostik araçlar geliştirmek veya tedaviyi desteklemek için fırsatlar sağlayabilir stratejileri².

LSM’nin biliş alanının ötesinde uygulamaları da vardır. Aslında, herhangi bir değişken lezyon yeri ile ilgili olabilir, klinik belirtiler de dahil olmak üzere, biyobelirteçler, ve fonksiyonel sonuç. Örneğin, yakın zamanda yapılan bir çalışmada iskemik inme sonrası fonksiyonel sonucun tahmin edici olduğu enfarktüs yerleri saptandı¹⁰.

İlgi tabanlı lezyon-semptom haritalamanın voxel tabanlı ve bölgesi

Lezyon-semptom haritalama yapmak için lezyonların bölümlere ayrılması ve beyin şablonuna kaydedilmesi gerekir. Kayıt işlemi sırasında, her hastanın beyni uzamsal olarak hizalanır (yani, normalleştirilmiş veya ortak bir şablona kayıtlıdır) beyin büyüklüğü, şekli ve oryantasyon farklılıklarını düzeltmek için, böylece lezyon haritasındaki her voxel aynı anatomik anatomik temsil eder tüm hastalar için yapı⁷. Standart alanda, burada kısaca özetlenen çeşitli analiz türleri yapılabilir.

Açıkları olan hastalarda, eksikliği olmayan hastalara göre lezyon dağılımındaki farkı göstermek için ham lezyon-çıkarma analizi yapılabilir. Ortaya çıkan çıkarma haritası, açıkları olan hastalarda daha sık hasar gören ve açıkları olmayan hastalarda bağışlanan bölgeleri göstermektedir^1. Lezyon-çıkarma analizi belirli bir fonksiyonun ilişkili olduğu bazı içgörüler sağlasa da, istatistiksel bir kanıt sağlamaz ve örneklem boyutu voksel bazlı lezyon-semptom için yeterli istatistiksel güç sağlamak için çok düşük olduğunda artık çoğunlukla kullanılır. Eşleme.

Voksel tabanlı lezyon-semptom haritalamada, beyindeki her bir voksel düzeyinde bir lezyon varlığı ile bilişsel performans arasındaki ilişki belirlenir (Şekil 1). Bu yöntemin en büyük avantajı yüksek uzamsal çözünürlüktür. Geleneksel olarak, bu analizler birden fazla test için düzeltme yi garanti eden ve^dikkatealınmayan inter-voxel korelasyonların neden olduğu mekansal bir önyargıyı ortaya çıkaran toplu tek değişkenli bir yaklaşımla^{gerçekleştirilmiştir. , 11}. Son zamanlarda geliştirilen yaklaşımlar inter-voxel korelasyonları dikkate alır (genellikle bayes analizi¹³gibi çok değişkenli lezyon-semptom haritalama yöntemleri olarak adlandırılır , destek vektör regresyonu^{4, 14}, veya diğer makine öğrenme algoritmaları¹⁵) umut verici sonuçlar göstermek ve geleneksel yöntemlere göre voxel-bilge LSM analizleri bulguların duyarlılığı ve özgüllüğünü artırmak için görünür. Voxel-wise LSM için çok değişkenli yöntemlerin daha da geliştirilmesi ve doğrulanması devam eden bir süreçtir. Spesifik lezyon-semptom eşleme için en iyi yöntem seçimi, lezyonların dağılımı, sonuç değişkeni ve yöntemlerin altta yatan istatistiksel varsayımları da dahil olmak üzere birçok faktöre bağlıdır.

İlgi alanı (RoI)tabanlı lezyon-semptom haritalamada, belirli bir beyin bölgesindeki lezyon yükü ile bilişsel performans arasında bir ilişki belirlenir (bir illüstrasyon için Şekil 1 Biesbroek ve ark.^2’ye bakınız). Bu yöntemin en büyük avantajı, anatomik yapı daki kümülatif lezyon yükünü dikkate almadır, bu da bazı durumlarda tek bir vokseldeki bir lezyondan daha bilgilendirici olabilir. Öte yandan, Yatırım Getirisi tabanlı analizler, yalnızca^16. Geleneksel olarak, Roi tabanlı lezyon-semptom haritalama lojistik veya lineer regresyon kullanılarak yapılır. Son zamanlarda, collinearity ile daha iyi başa çok değişkenli yöntemler tanıtıldı (örneğin, Bayes ağ analizi¹⁷, destek vektör regresyon^4,18, veya diğer makine öğrenme algoritmaları¹⁹), hangi olabilir lezyon-semptom haritalama çalışmalarından elde edilen bulguların özgüllüğünü artırmak.

Hasta seçimi

LSM çalışmalarında hastalar genellikle belirli bir lezyon tipine (örn. beyin enfarktları veya beyaz madde hiperintansitleri) ve tanı ile nöropsikolojik değerlendirme arasındaki zaman aralığına (örn. akut vs. kronik inme) göre seçilirler. En uygun çalışma tasarımı araştırma sorusuna bağlıdır. Örneğin, insan beyninin fonksiyonel mimarisi ni incelerken, akut inme hastaları ideal olarak bu aşamada fonksiyonel yeniden yapılanma gerçekleşmediği için dahil edilirken, kronik inme hastaları inmenin biliş üzerindeki uzun süreli etkileri. Hasta seçiminde dikkat edilmesi gereken hususların ve tuzakların ayrıntılı bir açıklaması başka bir yerde verilmiştir⁷.

Lezyon-semptom haritalama amacıyla beyin görüntüsü önişleme

Doğru lezyon segmentasyonu ve ortak bir beyin şablonuna kayıt lezyon-semptom haritalama da önemli adımlardır. Lezyonların manuel segmentasyonu, enfarktlar⁷dahil olmak üzere birçok lezyon tipi için altın standart olmaya devam etmektedir. Sağlanan BT taramaları manuel enfarktüs segmentasyon kriterleri hakkında ayrıntılı bir öğretici, difüzyon ağırlıklı görüntüleme (DWI), ve sıvı zayıflatılmış inversiyon kurtarma (FLAIR) MRI dizileri hem akut hem de kronik aşamalarında. Bölümlü enfarktüslerin (yani 3D ikili lezyon haritalarının) herhangi bir konu ötesi analiz ler yapılmadan önce kaydedilmesi gerekir. Bu protokol, çok merkezli bir ayar⁴geliştirilmiştir kayıt yöntemi RegLSM kullanır. RegLSM, hem BT hem de MRG için elastix^20’ye dayalı doğrusal ve doğrusal olmayan kayıt algoritmaları uygular ve ct taramalarının kayıt kalitesini artırmak için özel olarak tasarlanmış ek bir CT işleme adımı^21’dir. Ayrıca, RegLSM farklı hedef beyin şablonları ve yaşa özel CT / MRI^şablon22bir (isteğe bağlı) ara kayıt adımı kullanarak sağlar. Hem BT hem de MRG taramalarını işleme imkanı ve orta ve hedef beyin şablonları ile ilgili özelleştirilebilirliği RegLSM’i LSM için son derece uygun bir görüntü işleme aracı haline getirir. CT/MRG taramalarının hazırlanması ve segmente edilmesi, beyin şablonuna kayıt ve gerekirse manuel düzeltmelerin (gerekirse) tüm süreci bir sonraki bölümde açıklanmıştır.

Şekil 1: Voksel bazlı lezyon-semptom haritalama kavramının şematik illüstrasyonu. Üst kısım, lezyonu segmente eden beyin görüntüsünü ön işleme adımlarını (bu durumda akut enfarktüs) ve ardından bir beyin şablonuna (bu durumda MNI-152 şablonu) kaydederek gösterir. Aşağıda, aynı hastanın kayıtlı ikili lezyon haritasının bir bölümü, her küpün bir voxel temsil ettiği 3B ızgara olarak gösterilmiştir. Diğer 99 hastanın lezyon haritaları ile birlikte bir lezyon kaplama haritası oluşturulur. Her voxel için, lezyon durumu ve bilişsel performans arasındaki ilişkiyi belirlemek için istatistiksel bir test yapılır. Burada gösterilen ki-kare testi sadece bir örnektir, herhangi bir istatistiksel test kullanılabilir. Tipik olarak, voxelyüz binlerce beyin boyunca test edilir, birden fazla karşılaştırmalar için bir düzeltme izledi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.